帐户盗取

对于欺诈份子而言,帐户盗取利润丰厚,因为盗取帐户信息中包含各类有价值信息,可被用于发送垃圾内容或实施其它欺诈行为。随着数据泄露事件的爆发式增长,在黑产中购买被盗账户信息变得愈发容易和便宜。DataVisor无监督机器学习引擎能够同时分析所有帐户和事件,从而检测被盗账号之间的隐蔽关联,甚至在单一账号看起来还显正常时,也能将其提早发现。这种能力使DataVisor引擎能在无需训练数据或者标签的情况下检测,自动有效的应对欺诈份子日益复杂的攻击策略。

申请试用

欺诈者如何盗取帐户而不被检测

大规模肉鸡

欺诈者利用肉鸡军团测试数以百万计的被盗账户身份信息,并用使用常用密码来破解账户。

IP地址变更

欺诈者利用设备代理、VPN、或云服务器等以规避IP黑名单的制约,并将自身伪装为合法用户。

设备混淆

欺诈者利用移动设备刷机、虚拟机、以及脚本等方式伪装各类来自不同设备的登录活动。

为何利用无监督机器学习技术来检测帐户盗取(ATO)

现代的账号盗取攻击是规模性和分布式的,并使用了各类窃取的真实用户信息和规避手段。传统欺诈解决方案由于只能单独分析每个帐户,因此往往无法有效检测到此类攻击。DataVisor无监督机器学习引擎能够同时分析所有用户帐户与事件,发现存在于其之间的隐藏关联,从而在无需训练数据或者标签的前提下成功检测出被盗帐户——即使从单一帐户看帐户是正常的,亦无法逃过其法眼。

阻止不断演变的威胁

发现复杂的新型攻击活动,且无需任何训练数据或标签。

早期检测

在用户登录时就能检测到帐户异常行为,减少后续损失。

准确性与覆盖范围

跟踪被劫持账户的全部踪迹,不对正常用户造成任何影响。

了解更多DataVisor如何应对帐户盗取

案例研究

DataVisor使用无监督机器学习算法(UML)帮助主流在线支付平台对盗取账号的检测率提升50%以上。

阅读案例研究资料

案例研究

Momo利用DataVisor欺诈检测解决方案监测大规模虚假注册和账户盗取。

阅读案例研究资料

研究报告

深入了解欺诈者各类规避检测的行为和技巧。

下载报告

欺诈检测解决方案

无监督机器学习引擎

运用业内最先进的无监督学习技术,同时分析数以亿计的账户和事件,无需标签或训练数据, 预测新型未知威胁。

有监督机器学习引擎

使用行业领先的有监督机器学习算法,结合客户提供的标签来增强检测,与无监督机器学习检测形成互补。

自动规则引擎

自动迭代规则,降低维护成本并使结果更易理解。

DataVisor全球信誉库

汇总并分析来自各行业数十亿用户的信息来计算最广泛的各类数字指纹和信号。

汇总并分析来自各行业数十亿用户的信息来计算最广泛的各类数字指纹和信号。

了解更多

账号盗取攻击的动态

博客文章

信息图:在线欺诈者的工具汇总

DataVisor发布了一张新的信息图,其中囊括相关电子邮件地址到各类云服务等技术,了解目前欺诈者用于欺诈攻击的各类工具。借此我们将能够了解欺诈份子如何发起攻击。

阅读博文 (英文)

博客文章

帐户盗取:ATO攻击解析

帐户盗取攻击(ATO)负责为地下产业链提供大量外泄帐户资料,而这些帐户信息将被作为商品进行出售或者交换,最终用于实施各类后续攻击。由于此类帐户皆由真实用户创建(与批量注册的虚假帐户不同),其中常有财务数据等有价值的信息。此外,这些账号的活动往往不会引起企业安全解决方案的怀疑与关注。了解攻击者如何使用各种手段来实施大规模帐户盗取。

阅读博文 (英文)

博客文章

专家文章:加强锁定与智能升级——在线安全最佳实践解析

在电商行业中,一大残酷现实在于并不存在百试百灵的妙药。我们不可能指望蝙蝠侠或者Elliot Alderson这样的英雄帮助我们对抗暴力黑客、恶意木马、或者来自“尼日利亚王子”的汇款请求。相反,我们需要靠自己对其加以严格检测,并快速开展关于在线安全重要性与复杂性的教育工作。

阅读博文 (英文)

阅读DataVisor的最新文章

访问我们的博客

现在开始

希望马上了解DataVisor如何能帮助您发现在线服务当中潜藏的欺诈或被盗取帐户?今天就申请安全评估吧!

申请试用